Spatial

四种简单的图像显著性区域特征提取方法-----> AC/HC/LC/FT。 分类： 图像处理 2014-08-03 12:40 4088人阅读 评论 (4) 收藏 举报 salient region detec 显著性检测 laviewpbt 2014.8.3 编辑 Email： laviewpbt@sina.com QQ：33184777 最近闲来蛋痛，看了一些显著性检测的文章，只是简单的看看，并没有深入的研究，以下将研究的一些收获和经验共享。 先从最简单的最容易实现的算法说起吧： 1、 LC算法 参考论文： Visual Attention Detection in Video Sequences Using Spatiotemporal Cues 。 Yun Zhai and Mubarak Shah. Page 4-5。 算法原理部分见论文的第四第五页。 When viewers watch a video sequence, they are attracted not only by the interesting events, but also sometimes by the interesting objects in still images. This is referred as the spatial attention. Based on the

写在前面 本篇是关于 SDNet PX Programming Language User Guide 其中「Introduction」 部分的一些翻译、理解以及我从其他方面看来的一些资料的整合。网上相关的资料十分少，因此欢迎同样在研究 px 的同学联系我一起探讨。 Introduction PX 是用于特定领域的高级程序设计语言（the high-level domain-specific programming language）用于 Xilinx® 网络 SDNet™ 开发环境组成部件的可编程包处理器（ PPP ）。 注1：PPP 是 Programmable Packet Processor 的缩写 PX 可以用于两个目的。第一，生成用于 PPP 实例的架构的可合成的 RTL 代码（to generate synthesizable RTL code for the architecture of a PPP instance）；第二，更改已经存在的 PPP 实例的固件（to change firmware for an existing PPP instance）； 注2： RTL 是指 Register Transfer Level，也就是寄存器传送级 PX 的目的是允许用户专注于需要的包处理功能而不需要关心达到高性能的具体实现细节，是一门声明性语言（a

作者：蒋天园 Date：2020-04-18 来源： 3D-VID:基于LiDar Video信息的3D目标检测框架|CVPR2020 Brief paper地址：https://arxiv.org/pdf/2004.01389.pdf code地址：https://github.com/yinjunbo/3DVID 这是一篇来自北理工和百度合作的文章，目前还未开源，只有项目地址，2020年3月份放置在arxiv上，已经被CVPR2020接收；从标题我们猜测该文采用的时空信息将多帧的点云信息融合做3D目标检测，目前的确是没有研究是通过视频流的方式做3D目标检测，不过这也要求数据集是一些连续的帧才能使得这样一个任务的完成，但是KITTI的确是没有满足这样的要求，因此作者在Nuscence上进行的实验。这是一个CVPR19年上的公布的数据集，这里先给出一张目前在公布的nuscence的榜单，如下，这里的榜一的文章目前将SECOND的代码重构，加入了更多SOTA的方法开源了新的3Ddetection base，即Det 3D项目，链接为：https://github.com/poodarchu/Det3D，而MEGV则是采用了多尺度检测的head，规定了不同大小的物体的检测采用不同的head，同时采用了一种数据增广方式缓解了nuscence中的longtail问题 本文主要内容

前言： 本篇文章的出发点是因为之前接触过相关研究，困囧于该系列资料匮乏，想做一个系列。个人道行太浅，不足之处还请见谅。愿与诸君共勉。 数据准备： MODIS数据产品MOD13Q1—以2010年河南省3、4、5三个月为例： 一、MRT单次数据操作 （1）.进入GUI界面操作 1.将所需处理的一个.hdf原始数据加载进来 2.通过左右选项选择所需波段（MOD13Q1已将NDVI提供,只需保留选择就行） （若用的数据比如MOD12Q1计算NDVI,则Modis算法如公式:NDVI=(Band2-Band1)/(Band2+Band1)。那么就需要将Band2和Band1波段提取出来） 3.Spatial Subset（空间子集）：选择Input Lat/Long (输入纬度/经度) input line/sample (输入行/样本) output projection (X/Y输出投影X / Y) 4和5在一起 4.选择文件保存路径： 5.输出数据类型： 如我保存的路径（ 必须同原始数据也就是.hdf在同一文件夹下 ）就是F:\MODIS\.tif (注意，直接在MODIS文件夹后加 \.tif 就行。生成的.tif文件名直接等同于在同一个文件夹下.hdf文件同名（建议相同操作，通常数据多，命名易辨且重要）) 6.输出文件类型：GEOTIFF（我们要的就是.tif数据文件） 7

【推荐阅读】微服务还能火多久？>>> 文章目录 一、背景 二、相关工作 三、重看 SOLOv1 四、SOLOv2 4.1 Dynamic Instance Segmentation 4.1.1 Mask kernel branch 4.1.2 Mask feature branch 4.1.3 Forming Instance Mask 五、Experiments 5.1 Instance segmentation 5.1.1 Main results 5.1.2 SOLOv2 visualization 5.1.3 Ablation Experiments 论文链接： https://arxiv.org/abs/2003.10152 代码链接： http://github.com/WXinlong/SOLO 一、背景 在 SOLOv1的基础上的两个提升： 1、Mask Learning SOLOv2要进一步动态学习目标分割器的 mask head，mask head 被解耦成 mask kernel branch 和 mask feature branch，分别来学习卷积核和卷积特征。mask learning 可以分为两部分： convolutional kernel learning：当把 pixel 分类到不同的网格中时，网络会自动预测要使用的分类器，并根据输入图像进行调整

【推荐阅读】微服务还能火多久？>>> 　　 作者 | 买庚辰 　　 编辑 | 丛末 　　本 文对由美国加州大学圣巴巴拉分校 完成的，被ICLR 2020录用的论文《Multi-Scale Representation Learning for Spatial Feature Distributions using Grid Cells》 进行解读。 　　 　　论文：https://arxiv.org/pdf/2003.00824.pdf 　　 论文简介： 　　目前，非监督语言编码模型加大的推进了自然语言处理技术的发展，他的核心理念就是根据词语在文章中的位置以及上下文关系使用神经网络把词语转化为向量空间表达，这个结果非常适合与多种下游的任务。 在空间分析领域，我们看到了非常相似的情况， GIS 学者注重于把地理对象（例如 POI ）的绝对位置信息和周边环境信息加入模型当中，这意味着一个广义的（地理）空间表达模型会对众多任务都有帮助。 　　然而，除了简单的对空间进行分割或者直接把坐标输入前馈神经网络（ FFN ）的做法，目前不存在这样的广义空间表达模型，不仅如此也很少有学者研究如何同时对不同特征的空间分布进行总体建模，而这一情况经常在 GIS 数据中出现。 　　与此同时，我们注意到近期赢得 诺贝尔奖的神经科学研究发现，哺乳动物的格网细胞（ grid cell

1. 概述 天地图是测绘地地理信息行政主管部门主导建设的国家地理信息公共服务平台，由主节点、省级节点和市级节点构成。节点地图主要包括矢量电子地图、矢量地图注记、影像电子地图和影像地图注记，其中矢量电子地图内容最为丰富，比如建筑轮廓数据就比百度高德等商用地图丰富很多。但天地图的建筑轮廓数据为图片格式，而在某些工程项目GIS系统中使用时，一般需要的是矢量数据格式，那有没有办法将建筑轮廓提取为矢量数据呢？ 经过分析研究并充分测试之后，小编发现可以先用万能地图下载器下载天地图建筑轮廓图片，然后再用ArcGIS对建筑轮廓进行分析提取，以下就是提取矢量建筑轮廓的具体方法。 2. 下载天地图电子地图 打开水经注万能地图下载器，下载"天地图 WGS84 坐标系"电子地图，注意在新建任务对话框内地图类型选择"仅下载影像"，下载级别选择19级，其余按照默认设置即可。 新建任务 回复"下载器"获取万能地图下载器 3. 提取单波段 将下载的天地图电子地图加载到ArcGIS内，点击菜单栏上的"窗口"→"影像分析"。 点击影像分析 在显示的"影像分析"对话框内选择上需要提取单波段的图片，点击"添加函数"。 添加函数 在"函数模板编辑器"对话框内，在需要处理的图片上点击右键→"插入"，选择"波段提取函数"。 选择波段提取函数 在"栅格函数属性"对话框内，"波段"选择2，"组合"选择2。 设置栅格函数属性

一、Oracle 组件的信息可以通过v$option 和 dba_registry 查看： select * from v$option; select comp_id,comp_name from dba_registry; 二、oracle10g安装组件各项简单说明 Oracle database 10g ------------------------------------oracle核心部分，软件主体 Oracle Enterprise Manager Console DB ----------企业管理控制台，分布式网格应用，不是这类应用不用选 Enterprise Edition Option -----------------------------企业级版本选项，包含若干小项 Oracle Advance Security -------------------------高级安全选项，比如指纹等外接安全设备的支持 Oracle Partationing --------------------------------分区表，管理海量数据非常有用，企业级应用可选 Oracle Spatial ---------------------------------------服务器要用到Oracle Spatial这项需要保留 Oracle Label Security

一． 重要概念： 1．色温 所谓色温，简而言之，就是定量地以开尔文温度（K）来表示色彩。英国著名物理学家开尔文认为，假定某一黑体物质，能够将落在其上的所有热量吸收，而没有损失，同时又能够将热量生成的能量全部以“光”的形式释放出来的话，它便会因受到热力的高低而变成不同的颜色，如下图： 2. 标准光源 是指模拟各种环境光线下的人造光源，让生产工厂或实验室非现场也能获得与这些特定环境下的光源基本一致的照明效果。标准光源通常安装在标准光源箱内，主要用于检测物品的颜色偏差。 人造的标准光源主要有如下10种类型： 在调试的过程中，一般都是基于三种光源类型调试，所用到的光源为D65，D50，TL84，CWF,A,H。 3. 白平衡 所谓白平衡（英文名称为White Balance），就是对白色物体的还原。当我们用肉眼观看这大千世界时，在不同的光线下，对相同的颜色的感觉基本是相同的，比如在早晨旭日初升时，我们看一个白色的物体，感到它是白的；而我们在夜晚昏暗的灯光下，看到的白色物体，感到它仍然是白的。这是由于人类从出生以后的成长过程中，人的大脑已经对不同光线下的物体的彩色还原有了适应性。但是，作为拍摄设备，如数码相机，可没有人眼的适应性，在不同的光线下，由于CCD输出的不平衡性，造成数码相机彩色还原失真。一般情况下，我们习惯性地认为太阳光是白色的，已知直射日光的色温是5200K左右